www.monografias.

com

Test de Zivot & Andrews Secuencial

Abstract 1. Metodologa para el uso del Test de Zivot & Andrews Secuencial 2. Bibliografa Anexos Abstract This paper is based in recent methods of econometrics in economics . The aim of this paper is to encourage an appreciation of the problems of empirical measurement relationships, and assessment of the techniques by which those problems may be solved. The problem under analysis is the efficient estimations parameters from econometric models where these time series of type unit root with break point. This working paper developed the techniques econometrics and test of stationary time series analysis: Zivot & Andrews Test applied to economic time series. Unfortunately, economic theory is often not rich enough to provide a tight specification of the dynamic relationship among variables. Furthermore, estimation and inference are complicated by the fact that endogenous variables may appear on both the left and right sides of the equations. The Zivot & Andrews Test applied to economic time series is a powerful tool design to analyze the statistics properties from econometric models.

Metodologa para el uso del Test de Zivot & Andrews Secuencial Perron (1989) sostuvo que los tradicionales test de raz unitaria (Dickey-Fuller, Dickey-Fuller Aumentado y Phillips-Perron) tenan poco poder para diferenciar una trayectoria de raz unitaria de una estacionaria cuando haba cambio estructural. En consecuencia, como estos test estaban sesgados hacia el no rechazo de la hiptesis nula de raz unitaria, a menudo se rechazaba incorrectamente la hiptesis alternativa de estacionariedad. Perron encontr, por ejemplo, que las series de agregados macroeconmicos y financieros utilizados por Nelson y Plosser (1982) eran en su mayora estacionarias con cambio estructural, en oposicin a lo que los citados autores sealaban. Siguiendo esta lnea, Zivot y Andrews (1992)1 elaborarn un test en la que la fecha del punto de quiebre era determinada endgenamente. Con esta finalidad se desarrollo un programa preparado para E-Views2, correspondiente al test de Z&A, realizado de manera secuencial, esto ltimo se refiere a que el programa evala la posible presencia de quiebre estructural en cada observacin de la serie analizada (genera variables Dummy a partir de la 75ava observacin y termina en la observacin N-75). Caso 1: Raz Unitaria y NO presencia de quiebre Tenemos la siguiente serie denominada SERIE3, cuya grfica se muestra a continuacin:
8 0 6 0

4 0 2 0

-2 0 5 0 10 0 10 5 20 0 20 5 30 0 30 5 40 0 40 5 50 0 SR 3 E IE

A simple vista uno podra decir que la serie presenta 3 quiebres en su tendencia, alrededor de la observacin 160, 230 y 320 respectivamente. Con esta apreciacin, utilizamos nuestro programa. Paso previo: Dado que el programa genera dummies continuamente, tanto para quiebres en media como para quiebres en tendencia, es imprescindible que la serie se encuentre en formato UNDATED. Colocamos el nombre de la serie en el regln que indica: genr lserie = (Nombre de la serie a analizar) Cualquier serie que coloquemos all, el programa cambiar su nombre a lserie, y a partir de ello realiza sus clculos. Dado que nuestra serie tiene 500 observaciones, el programa ha generado 350 variables dummy para quiebre en media (desde DUM75 hasta DUM425) y otras 350 para quiebre en tendencia (desde DUT75 hasta DUT425) El ltimo grfico que se muestra, es el que aparece a continuacin:
800

600

400
1

Zivot, Eric y Andrews, Donald W.K., 1992, Further Evidence on the Great Crash, the Oil-Price Shock and the UnitRoot Hypothesis, Journal of Business and Economic Statistics vol.10, nr.3, pp. 251-270. 200 2 Software utilizado para realizar Anlisis Economtrico. El programa se adjunta en el anexo del documento.

0 50 100 150 200 250 300 350 400 450 500 F FT FM

La lnea roja (FT) muestra el resultado del test F aplicado secuencialmente, para posibles quiebres en tendencia, la lnea verde (FM), muestra el mismo test, pero para posibles quiebres en media, la lnea azul (F) es el test F, para ambos casos. Como se puede aprecia, es la lnea roja la que alcanza valores ms altos, por lo que podemos concluir que existe evidencia de un POSIBLE quiebre en tendencia, o dicho de otra forma, si existe quiebre en la serie (y no raz unitaria), este sera quiebre en Tendencia, y estara alrededor de la observacin 125. -1

-2

-3

-4

-5 100 150 200 250 300 350 400 ZIVOTM VCRITM

Vemos en este grfico del Test Z&A para quiebre en media, que la lnea asociada al resultado del test aplicado secuencialmente, no cruza el valor crtico. Como concluimos inicialmente, si es que haba quiebre, este sera en Tendencia. Lo mismo ocurre para el caso del Test Z&A aplicado para ambos casos, como se muestra en el siguiente grfico:
-1 -2 -3 -4 -5 -6 100 150 200 250 300 VCRIT 350 400 ZIVOT

Veamos el grfico del test Z&A para el caso que nos interesa: la posible existencia de quiebre en tendencia:
-1.5 -2.0 -2.5 -3.0 -3.5 -4.0 -4.5 100 150 200 250 300 350 400 ZIVOTT VCRITT

Vemos aqu que la lnea azul no cruza el valor crtico, por lo que no existe quiebre en tendencia. Por lo tanto el comportamiento errtico de la serie, se debera a la presencia de Raz Unitaria. Caso 2: Quiebre en Media, y correccin. Analizamos ahora la serie denominada serie5, cuya grfica presentamos a continuacin:
10 2 10 0 8 0 6 0 4 0 2 0 0 -2 0 5 0 10 0 10 5 20 0 20 5 30 0 30 5 40 0 40 5 50 0 SR 5 E IE

El grfico del test F es el siguiente:

1200

1000

800

600

400

200 50 100 150 200 250 300 350 400 450 500 F FT FM

Concluimos que podra existir un quiebre en media, alrededor de la observacin 350, y ello lo contrastaremos con el grfico del Test Z&A para quiebre en media.
-2

-3

-4

-5

-6 100 150 200 250 300 350 400 ZIVOTM VCRITM

Efectivamente, existe quiebre en media, y el mismo se presenta alrededor de la observacin 350. Cmo determinamos la fecha exacta del quiebre?. En la ventana de las series, al final de las variables Dummy generadas, hay tres objetos numricos: Fecha, Fechat, y Fecham, que indican la fecha u observacin que tiene el test F ms alto tanto para ambos casos, quiebre en tendencia y quiebre en media respectivamente. Como nos interesa el quiebre en media, hacemos doble click en Fecham, e inmediatamente aparecer en la parte inferior de la ventana, el nmero 353. Eso quiere decir que el quiebre se da en es observacin, y que la variable dummy que utilizaremos para corregir es DUM353.. Para finalizar, mostramos los otros dos grficos restantes.
-2.0 -2.5 -3.0
-4 -2

-3

-3.5
-5

-4.0
-6

-4.5 100 150 200 250 300 350 400

100

150

200

250

300

350

400

Inicialmente, la SERIE5, haba presentado el siguiente resultado en la aplicacin del test de ZIVOT VCRIT ZIVOTT VCRITT Raz unitaria (Dickey-Fuller Aumentado): ADF Test Statistic 1% Critical Value* -3.9808 5% Critical Value -3.4208 10% Critical Value -3.1328 *MacKinnon critical values for rejection of hypothesis of a unit root. Inicialmente habramos dicho que la serie tiene raz unitaria, sin embargo. Ahora podemos concluir, que eso no necesariamente es as, pues esa conclusin est alterada por la presencia de un quiebre en la observacin 353. Por lo tanto pasaremos a corregir la serie y luego de eso aplicar el test DFA, para ver si realmente existe raz unitaria -3.322979

Correccin.El mismo procedimiento se usa para el caso de quiebre en tendencia. Sin embargo, indicaremos la variacin, en donde se considere necesario. Como ya sabemos, el quiebre se da en la observacin 353, afortunadamente el programa ya genero las variables dummy (incluso la DUM353). Si el quiebre hubiera sido en tendencia, entonces usaramos DUT353. Corremos la siguiente regresin: Ls serie5 c dum353 El comportamiento real de serie5, lo est recogiendo el trmino de error de esta ecuacin, queremos saber que tan significativo es dum353, para luego quitarle ese efecto distorsionador. Es decir, lo que estamos haciendo es: Serie5 = + *dum353 + error Si queremos que desaparezca dum353, lo que tenemos que hacer es generar una nueva serie denominada Nuevaserie5, que ser: Nueva serie5= serie5 dum353. Con la regresin indicada, queremos encontrar el coeficiente asociado a Dum353, para proceder a realizar la operacin mencionada. Obtenemos el siguiente resultado: Dependent Variable: SERIE5 Method: Least Squares Sample: 1 500 Included observations: 500 Variable Coefficient Std. Error t-Statistic C 21.05669 0.593630 35.47108 DUM353 47.94697 1.094818 43.79447 R-squared 0.793870 Mean dependent var Adjusted R-squared 0.793456 S.D. dependent var S.E. of regression 11.15329 Akaike info criterion Sum squared resid 61949.14 Schwarz criterion Log likelihood -1914.334 F-statistic Durbin-Watson stat 1.670467 Prob(F-statistic)

Prob. 0.0000 0.0000 35.15310 24.54128 7.665338 7.682196 1917.955 0.000000

Era obvio que Dum353 iba a resultar significativa. De esto, nos interesa el coeficiente asociado a la dummy, y es: 47.94697. Entonces generamos la siguiente serie: Genr nuevaserie5 = serie 5 (47.94697*dum353) El grfico de esta nueva serie5, es el siguiente:
60

40

20

-20 50 100 150 200 250 300 350 400 450 500 NUEVASERIE5

Sin embargo, es conveniente juntar ambos grficos para ver el efecto de la correccin realizada:

120 100 80 60 40 20 0 -20 50 100 150 200 250 300 350 400 450 500 NUEVASERIE5 SERIE5

De la NUEVASERIE5, se puede apreciar el cambio a partir de la observacin 353 (recuerde que hasta la observacin 352, ambas series son iguales), y la estabilidad es notoria. No habra quiebre en media. Si aplicamos el Test Z&A, encontramos que el grfico asociado al Test Z&A para quiebre en media, arroja el siguiente resultado:
-4.5

-5.0

-5.5

-6.0

-6.5

-7.0 100 150 200 250 300 350 400 ZIVOTM VCRITM

Y el Test de DFA, para raz unitaria, presenta ahora lo siguiente: ADF Test Statistic 1% Critical Value* -3.9808 5% Critical Value -3.4208 10% Critical Value -3.1328 *MacKinnon critical values for rejection of hypothesis of a unit root. La conclusin es que no haba raz unitaria en la SERIE5, sino un quiebre en media. Bibliografa -6.359861

BOX,G.E.P y G.M.JENKINS (1970): Time series analysis,forecasting and control. San Francisco, Holden day. Pgs. 87. DICKEY,D.A y W. FLLER (1984): Testing for unit roots in seasonal time series. Journal of the American Statistical Associations, # 79, pgs. 355-367. ENGLE,R. y W.GRANJER (1987): Cointegration and error correction representation, estimation and testing. Econometrica # 55. Pgs 251-276. GRANJER,C. y P.NEWBOLD (1974): Spurious regressions in econometrics. Journal of econometrics # 2. Pgs 111-120. HENDRY, DAVID and RICHARD , JEAN FRANCOIS . (1983): The econometric analysis of economic time series, International Statistical Review, N 51 , 1983. SARGAN,J. y A.BHARGAVA. (1983):Testing residuals from least squares regression for being generated by the Gaussian ramdom walk . Econometrica # 51, pgs 153-174. SALKEVER, F, KENNETH. (1972): The use Dummy variables to compute predictions error, and confidence intervals.. Journal of econometrics # 4, ,pgs 393-397. TRUJILLO CALAGUA, GUSTAVO H : (1994): Modelos Macroeconomtricos en el Per: nuevos aportes. Edit, Banco De La Nacin, Gerencia Central de Operaciones de Gobierno. Pgs 320. (1997): Modelos Economtricos en el Per: 1960-1997 (Compilador), Edit. Santa Rosa . 3 Vol. (2002): Econometra Aplicada con Eviews 4.1, 1era Edicin. Zivot, Eric y Andrews, Donald W.K., 1992, Further Evidence on the Great Crash, the OilPrice Shock and the Unit-Root Hypothesis, Journal of Business and Economic Statistics vol.10, nr.3, pp. 251-270. ANEXOS ANEXO: 'Programa F Secuenciales Zivot&Andrews, por Gustavo Trujillo Calagua. ===================================================================== !obs= 'actualizar: nmero de observaciones y serie bajo anlisis 'determina endgenamente el nmero de rezagos a incluir 'en la regresin de las primeras diferencias ===================================================================== genr lserie= genr dlserie=d(lserie) !reg= -1*@ceiling((!obs)^(1/3)) genr t=@trend(1) !regfin=0 smpl 1 !obs FOR !rreg=!reg to -1 equation temp.ls dlserie c lserie(-1) dlserie(-1 to !rreg) t !mcoef=-!rreg+2 !tdist=@tdist(c(!mcoef)/sqr(@covariance(!mcoef,!mcoef)),temp.@regobstemp.@ncoef) IF !regfin=0 and !tdist<0.05 THEN !regfin=!rreg genr regfin=!regfin ENDIF NEXT !nui=1 !nuf=!obs !cotau=!nuf-@ceiling(0.15*!obs) !cotal=!nui+@ceiling(0.15*!obs) FOR !num=!cotal to !cotau smpl !nui !num genr dum{!num}=0 genr dut{!num}=0 smpl !num+1 !nuf genr dum{!num}=1

genr dut{!num}=@trend(!num) IF !regfin=0 then smpl !nui !nuf equation eq1.ls dlserie c lserie(-1) t dut{!num} dum{!num} smpl !num !num genr zivot=(c(2)/sqr(@covariance(2,2))) smpl !nui !nuf equation eq2.ls dlserie c lserie(-1) t dut{!num} smpl !num !num genr zivott=(c(2)/sqr(@covariance(2,2))) smpl !nui !nuf equation eq3.ls dlserie c lserie(-1) t dum{!num} smpl !num !num genr zivotm=(c(2)/sqr(@covariance(2,2))) ENDIF IF !regfin<>0 then smpl !nui !nuf equation eq1.ls dlserie c lserie(-1) dlserie(-1 to !regfin) t dut{! num} dum{!num} smpl !num !num genr zivot=(c(2)/sqr(@covariance(2,2))) smpl !nui !nuf equation eq2.ls dlserie c lserie(-1) dlserie(-1 to !regfin) t dut{! num} smpl !num !num genr zivott=(c(2)/sqr(@covariance(2,2))) smpl !nui !nuf equation eq3.ls dlserie c lserie(-1) dlserie(-1 to !regfin) t dum{! num} smpl !num !num genr zivotm=(c(2)/sqr(@covariance(2,2))) ENDIF NEXT smpl !cotal !cotau genr vcrit=-5.08 genr vcritm=-4.8 genr vcritt=-4.42 plot zivot vcrit plot zivott vcritt plot zivotm vcritm 'TEST F secuencial !bestf=0 !bestft=0 !bestfm=0 FOR !num=!cotal to !cotau smpl !nui !nuf equation eq4.ls lserie c t dut{!num} dum{!num} smpl !num !num genr f=@f !f=@f IF !f>!bestf THEN !bestf=!f !fecha=!num ENDIF smpl !nui !nuf equation eq5.ls lserie c t dut{!num} smpl !num !num genr ft=@f

!ft=@f IF !ft>!bestft THEN !bestft=!ft !fechat=!num ENDIF smpl !nui !nuf equation eq6.ls lserie c t dum{!num} smpl !num !num genr fm=@f !fm=@f IF !fm>!bestfm THEN !bestfm=!fm !fecham=!num ENDIF NEXT smpl !nui !nuf scalar fecha=!fecha scalar fechat=!fechat scalar fecham=!fecham scalar bestf = !bestf scalar bestft = !bestft scalar bestfm = !bestfm group fstat f ft fm plot fstat ===================================================================== 'Para determinar el valor F ms elevado revisar los escalares !bestf, !bestft, !bestfm; 'y para determinar las respectivas fechas, los escalares !fecha, !fechat, !fecham Trabajo enviado por: Gustavo Herminio Trujillo Calagua, Economista de la Universidad Nacional Federico Villareal Lima-Per. Maestra en Economa Matemtica y Doctor en Economa por Virginia State University, Blacksburg USA. Consultor de Negocios. Profesor Asociado de la Escuela de Ingeniera Econmica de la Universidad Cientfica del Sur, Lima-Per. Profesor Auxiliar de la Escuela de Administracin de la Universidad Privada San Pedro, Cajamarca-Per. Profesor Auxiliar de la Escuela de Economa de la Universidad Nacional de Cajamarca, Cajamarca-Per. CATEGORIA: ECONOMIA/ECONOMETRIA/ECONOMIA MATETICA/POLITICA ECONOMICA Gtrujillo@ucsur.edu.pe gustavotrujillo@viabcp.com